如何合並兩個具有相同列名相同格式的 excel 文件，只有日期不同，並且列順序應基於相同的列名

Question

表 1： | 日期 | 重量| 身高 | 寬度|

12/27/2022 1 2 3

12/27/2022 4 5 6

表 2 | 日期 | 重量| 身高 | 寬度|

2023 年 1 月 3 日 1 2 3

2023 年 1 月 3 日 4 5 6

組合表應為：|date1| 日期2| 重量1| 體重2|身高1| 高度2| 寬度1| 寬度2|

任何人都可以使用 python (Pandas) 來解決這個問題嗎？ 謝謝！

Answer 1

這應該可以解決問題，它不是最優雅的，但可以完成工作。 - 聽 Lil Wayne 的聲音！

import pandas as pd

df1 = pd.read_csv('table_1.csv', sep=' ')
df2 = pd.read_csv('table_2.csv', sep=' ')


# add file number to each column
df1.columns = [x +'_1' for x in df1.columns]
df2.columns = [x +'_2' for x in df2.columns]


# save these for later
df1_cols = df1.columns
df2_cols = df2.columns

# make the final column ordering 
final_col_order = []
for one, two in zip(df1_cols, df2_cols):
    final_col_order.append(one)
    final_col_order.append(two)


# loop through just table 2 columns
for col in df2_cols:
    
    # add each table 2 cols to table 1
    df1[col] = df2[col]
    
# apply the final ordering you like, and copy it to a new df
df = df1[final_col_order].copy()

df.head()

Answer 2

我假設你已經將這些數據讀入 pandas 數據幀，因為你提到了它，就像 pandas read_excel 一樣。

在將表讀入 pandas dataframe 之后，看起來您只需要合並 function。

df1.merge(df2, left_on='lkey', right_on='rkey')

官方文檔在這里： https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.merge.html

您的表格格式很難閱讀，但如果您只想合並它們然后更改列順序，您可以使用它在連接后重新排列它們。

根據列名更改 cols 的順序：

df.loc[:,['Column1name','column5name','column2name','column4name']]

Answer 3

這會讓你成功一半：

df = pd.concat([df1, df2], axis=1)
df

    date    weight  height  width   date    weight  height  width
0   12/27/2022  1   2   3   01/03/2023  1   2   3
1   12/27/2022  4   5   6   01/03/2023  4   5   6

然后您可以根據需要重新排序和重命名您的列。

# rename the columns
df.columns = ['date1', "weight1", "height1", "width1", 'date2', "weight2", "height2", "width2"]

# reorder the columns
df = df[['date1','date2', "weight1","weight2", "height1","height2", "width1", "width2"]]

df

    date1   date2   weight1 weight2 height1 height2 width1  width2
0   12/27/2022  01/03/2023  1   1   2   2   3   3
1   12/27/2022  01/03/2023  4   4   5   5   6   6